Pandas: обновить значения столбца из другого столбца, если критерии

У меня есть DataFrame:

   A B

1: 0 1
2: 0 0 
3: 1 1
4: 0 1
5: 1 0

Я хочу обновить каждый элемент столбец А DataFrame значениями столбец B, если значение из столбец А равно 0.

DataFrame я хочу получить:

   A B

1: 1 1
2: 0 0 
3: 1 1
4: 1 1
5: 1 0

Я уже пробовал этот код

df['A'] = df['B'].apply(lambda x: x if df['A'] == 0 else df['A'])

Это вызывает ошибку: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

7
0
22 750
3

Ответы 3

Используйте where

In [348]: df.A = np.where(df.A.eq(0), df.B, df.A)

In [349]: df
Out[349]:
    A  B
1:  1  1
2:  0  0
3:  1  1
4:  1  1
5:  1  0

Какое решение более эффективно по времени, ваше или Rusabh?

sailestim 10.08.2018 15:12
df['A'] = df.apply(lambda x: x['B'] if x['A']==0 else x['A'], axis=1)

Выход

    A  B
1:  1  1
2:  0  0
3:  1  1
4:  1  1
5:  1  0

Сделать это можно с помощью маски:

df = pd.DataFrame()
df['A'] = [0,0,1,0,1]
df['B'] = [1,0,1,1,0]
mask = (df.A == 0)
df.loc[mask,'A'] = df.loc[mask,'B']

    A   B
0   1   1
1   0   0
2   1   1
3   1   1
4   1   0

Обновлено: Хорошо, это на самом деле неэффективное решение:

%timeit df.loc[mask,'A'] = df.loc[mask,'B']
%timeit df.apply(lambda x: x['B'] if x['A']==0 else x['A'], axis=1)
%timeit np.where(df.A.eq(0), df.B, df.A)

5.52 ms ± 556 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
1.27 ms ± 167 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
796 µs ± 89.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

Так что спасибо нулю за это эффективное решение с np.where!

Другие вопросы по теме